CFRP低速冲击损伤成像精度提升算法研究

摘要

碳纤维增强树脂基复合材料（carbon fiber reinforced polymer,CFRP）遭受低速冲击后会发生微小且隐蔽的损伤，损伤的存在会显著降低CFRP材料的承载力和服役寿命。C扫描是超声成像的常用方法，针对CFRP低速冲击内部损伤的C扫描成像精度低这一问题，使用梯度算子对原始图像进行处理，并利用迁移学习的方法在ResNet18与ResNet50上进行损伤类型的分类训练。为了改善分类模型的性能，提出基于卷积神经网络的成像精度提升算法——图像重建模型（image reconstruction model,IRM），并基于结构相似性系数（structural similarity index,SSIM）提出采用性能指标σEOL验证图像性能的提升水平。迭代训练结果表明，当迭代次数达到200次时，不同种类冲击损伤的σEOL均大于1。为了进一步提升成像精度，引入ResNet残差连接思想，并提出了ResIRM网络。与IRM相比，ResIRM对不同类型撞击损伤的检测精度进一步提升，针对全部冲击类型，平均σEOL可提升0.85%；同时，经ResIRM处理的图像分类模型的梯度显著性热力图表明，ResIRM可以对损伤区域的特征起到强化作用。

关键词

卷积神经网络 / 无损检测 / 损伤重建 / 超声检测

基金资助

国家自然科学基金面上项目(52173219)